Chương 4 : Mô hình nghiên cứu
4.8 Đo lường mức độ phù hợp của các mô hình hiệu chỉnh
4.8.1 Các giá trị thống kê đo lường khả năng dự báo của các mô hình:
Bảng 4.7: Các giá trị thống kê đo lường mức độ phù hợp của mơ hình
Cơng cụ Mơ hình 1 Mơ hình 2 Mơ hình 3 Mơ hình 4
Hồi quy với biến trễ t-1
Measures of fit
AUC 0.9845 0.9784
Gini rank coefficient 0.9690 0.9568
Pseudo-R2 0.481 0.599
ML (Cox-Snell) R2 0.185 0.225
Cragg-Uhler(Nagelkerke) R2 0.534 0.649
Hosmer-Lemeshow goodness of fit test
Chi-Square(8) 51.53 7.50
Prob. Chi-Sq 0.000 0.4837
Hồi quy với biến trễ t-2
Measures of fit
AUC 0.7929 0.7999 0.8431 0.8429
Gini rank coefficient 0.5858 0.5998 0.6862 0.6858
Pseudo-R2 0.139 0.158 0.223 0.213
ML (Cox-Snell) R2 0.07 0.08 0.111 0.106
Cragg-Uhler(Nagelkerke) R2 0.172 0.195 0.271 0.259
Hosmer-Lemeshow goodness of fit test
Chi-Square(8) 7.61 8.19 3.92 10.10
Prob. Chi-Sq 0.4729 0.4150 0.8643 0.2583
Các mơ hình sử dụng biến trễ t-1, do các hệ số hồi quy của các biến kinh tế vĩ mơ
khơng có ý nghĩa thống kê nên trong các mơ hình (t-1) tác giả chỉ hồi quy hai mơ hình là mơ hình 1 sử dụng biến NITA, biến ICR và mơ hình 2 sử dụng biến NITA, biến ICR, biến PRICE, biến VOL. Mơ hình 1 có giá trị AUC cao hơn so với mơ hình 2 nhưng các giá trị R2 lại thấp hơn. Điều này thể hiện việc sử dụng kết hợp dữ liệu sổ sách và dữ liệu thị trường không làm tăng sức mạnh dự báo của mơ hình trong thời điểm 1 năm trước kiệt quệ. Bên cạnh đó, kiểm định Hosmer-Lemeshow của mơ hình 1 cho thấy giá trị Chi-Square lớn và p-value nhỏ và mơ hình 2 cho giá trị Chi-Square nhỏ (<15) nhưng p-value lớn (>0.05). Điều này cho thấy mơ hình 1 khơng thực sự phù hợp với dữ liệu. Như vậy, với độ trễ t-1 chỉ cịn mơ hình 2 là có
đóng góp trong dự báo kiệt quệ tài chính và các biến NITA, biến ICR, biến PRICE và biến VOL có thể dùng để dự báo kiệt quệ tái chính cho các cơng ty tại năm t-1.
Các mơ hình sử dụng biến trễ t-2, tác giả nhận thấy có một sự gia tăng trong giá trị
AUC và R2. Sự gia tăng này diễn ra một cách nhất quán với việc sử dụng kết hợp các biến trong mơ hình, điều này thể hiện sự kết hợp các biến sổ sách, biến thị trường và biến kinh tế vĩ mô giúp gia tăng sức mạnh dự báo của mô hình. Bên cạnh đó, kiểm định Hosmer-Lemeshow của các mơ hình cũng cho thấy sự phù hợp tốt của mơ hình với dữ liệu. Mơ hình 3 là mơ hình sử dụng đầy đủ dữ liệu nhất và cũng là mơ hình có các giá trị AUC, hệ số phân loại Gini và các giá trị R2 cao nhất trong các mơ hình sử dụng biến trễ t-2. Ngoải ra, kiểm định Hosmer-Lemeshow của mơ hình 3 cũng cho thấy giá trị Chi-Squared khá nhỏ (<15) và p-value cao (>.05) (Hosmer Lemeshow chi-square = 3.92 và Prob.chi-square = 0.8643). Từ các thảo luận ở trên, tác giả cho rằng biến NITA, biến PRICE, biến CPI và biến TBILL có thể dùng để dự báo kiệt quệ tài chính cho các công ty tại năm t-2.